滴滴出行分析師十條

來自專欄 時間與精神的小屋

放假的時候偶然翻了一下世君的分析師十條，思緒一下被帶得很遠，按照回憶記錄下來，純個人觀點，不代表部門和世君的看法。

• 分析師的核心能力是思辨
• 思辨不能思而不辨。王興說：大部分人的思考就是把偏見排一下序。要思，更要辨。思是過程，辨是結果。當然也可以成為一個正反饋
• 有形諸內，必形諸外。核心能力意味著以什麼為內核，未必是單核驅動，人的能力都是多元的
• 好的思辨能力是一個很好的火種，一般來說更容易針對性去學習工作所需的技術和知識。在工作中，思考沒有增量之後，我去讀了備受俞老師推崇的《思考，快與慢》和《經濟學原理：微觀分冊》（曼昆）。都迅速刷新了之前很多認知。這兩本書大學也讀過，但是當時卻沒有什麼收穫。順序很重要，先有能力，再去讀書，看起來是悖論，有一個很好的記者朋友盧泓言告訴我：書到今生讀已遲
• 對講真話負責，保持中立
• 前半句太難了
• 我大概只能做到工作中講了80%的真話，但讀完Dalio的《原則》後，開始有意識向完全透明，完全開放傾斜
• 講真話，對講真話負責，人們會慢慢認識到你的價值，最後的收益是趨向無窮的，這是一筆很划算的買賣。但是短期，還是會遇到一些很痛的例子，做一些很艱難的決定
• 後半句倒不難，但我感覺過猶不及，過於中立，分析師就很難對業務有切膚之痛了
• 論據充分, 論證嚴謹，觀點簡明
• 推薦一本書《簡明邏輯學》，邏輯體系只有一套，這個世界不存在第二種邏輯
• 論據靠天賦，論證靠習慣，觀點依賴長期孜孜不倦的遷移學習
• 國人的普遍邏輯都不太好，諸子百家也如此，孟子的「人之性善，尤水之就下」就是邏輯學的車禍現場。只有韓非的邏輯算是不錯的。所以大學學習數學和哲學這樣的學科是一個長期收益很高選擇，但前提是熱愛，不熱愛學任何專業的結果都是一樣的：拿畢業證
• 數學中，很多好的結果都是一句大白話，但是前面的論證必須嚴絲合縫
• 粗分的話，分析師只有【驗證共識】和【創造非共識】兩種結果。但是人們往往低估【驗證共識】的重要性。知道結果和Know-How是兩件事。更何況人們往往會高估自己【真正知道了一件事】
• 數據先於觀點, 而不是觀點先於數據
• 這一點坦言我不能純靠自覺做到，要依賴自律
• 大學的辯論經驗讓我理解：任何命題，任何持方都是可以辯論的，但一味辯論沒有意義，真理還是掌握在少數人手裡，數據是我比較信任的工具，中國房價究竟高不高，至少要古今中外比一圈，不至於成為一個玄學
• 印象中見過一位產品高手，真的是任何事情的結論都可以靠數據推演，大腦直接嵌入一個資料庫，沒有數據也會估算，最後推導的結果都很棒，很准。
• 有興趣可以搜搜李開復七八年前怎麼預言AOL收購雅虎，數據和商業sense結合的典範
• 傳言大物理學家費米很擅長估算數據
• 警惕說【我覺得】，我覺得一般都是【媒體覺得】，【某人覺得】
• 人在噪音中過活，只能看到很local的數據，bias司空見慣，在觀點前置一個數據input已經極難，更何況還要甄別數據真實準確，不被misleading。好的決策可以慢，也可以快，但一定要依賴數據構建自己的心智模型
• 不要把問題複雜化，也不要懼怕複雜度
• 拼多多的黃錚，最近有一個觀點：人們往往over-thinking
• 王興則很久之前有一個觀點：多數人為了躲避思考願意做任何事
• 三者結合起來看，很有意思。歷史上最好的初等數學科普和初等物理科普分別出自克萊因和費曼，想必不是偶然
• 複雜和簡單只是水來土掩的土，關鍵是結果，關鍵是問題被解決。我經常想，王勃再活幾十年多好呀，寫過《滕王閣序》的手，再寫一篇《赤壁賦2.0》。少年春風得意，但逝水流年，最後的認知永遠是簡單的黑白灰，沒有色彩，簡單和複雜combine，結果一統
• 分析什麼問題, 往往比用什麼方法更重要
• 一流的數學家都是善於發現大問題的高手，天分比丘成桐高的中國數學家很多，但是丘成桐年紀輕輕就能鎖定一個非常核心的難題，這需要的眼界和很深邃的洞察力，說到這，彼得蒂爾的心智模型（《從0到1》裡面太多例子可以證明，另外就是下注特朗普）真的不一般，我非常有興趣深入了解他
• 這個論述的隱含意思是：要學會丟掉一些雞肋問題
• 毛不易說過，像我這樣平凡的人，你還見過多少人？我們凡夫俗子，一輩子也不一定能找到一個好的問題研究下去。如果你很幸運對這個世界還有好奇心，請一定要保持好奇的火種，這很難得。
• 問題問對了，答案是不言自明的，方法也會水到渠成。地外文明的探索進行了很多年，就被費米一句不經意的反問擊穿了，後面所有的假說都是為了回應費米悖論，這就是大科學家的一流sense
• 好的分析師給別人輸入，而不只是幫別人輸出
• Inception，最好的輸入是思想鋼印，讓別人覺得是自己想的
• 好的分析師就是依賴明主，依賴好的合作方，叫不醒一個裝睡的人。項羽的軍師也不弱，只是不能知人善用。
• 這條路走得很艱難。見自己，見天地，見眾生。走到現在，見自己還沒見完。
• 分析本身沒有什麼內在價值，除非其洞見改變了其他東西
• 基本上跟上一條可以聯繫起來看
• 從側面又說明了分析師難做：自古華山一條路，去影響最高決策
• 狂想一下：分析師是一種脫碳入硅的生物，最終你應該是一個硅基生命。只改變世界，本身空無一物
• 如果可能應該基於問題收集數據，而不只是基於數據來問問題
• 【倒過來想】非常樸素，但是又非常困難。印象中芒格還是巴菲特非常推崇【總是倒過來想】
• 假設我們需要分析張若虛的風格，我們今天只看到張若虛的《春江花月夜》，通過詩來分析了一大堆。會不會他還寫過更凌厲的《望岳2.0》？更哲思的《題西林壁2.0》？依賴手頭有的數據就是容易造成misleading，事實上，絕大部分唐詩都流失了。我們的詩詞鑒賞就是一個缺失率很高的data set
• 收集數據是一個很全棧的能力，需要爬蟲技術，對整個數據pipeline足夠熟悉，武器庫足夠豐富。道不可以脫離術，只有道，就是程朱理學，就是假大空
• 如果精進到一種境界，【拈花飛葉，皆可傷人】，王堅博士對於大數據的理解就極度不一樣，他非常不贊同用大數據來優化現有業務，覺得買櫝還珠。我認為他可能進入了登堂入室的境界
• 不是所有問題都可以分析出答案，以開放的心態採納其他的觀點
• 我一直比較推崇用先驗認知來決策，用數據分析來校準心智模型
• 網約車大戰重來一次，易道的模式在溫室里怎麼看怎麼好，但是放到暴風雨里一看，實踐出真知。膽識，有膽+有識。林中兩條路，你選哪一條？《少有人走的路》
• 商業最迷人的變數永遠是人，你不知道誰是下一個貝索斯，誰是下一個馬雲。但他們顯然會出現，我現在就是有意識把一些決策交給直覺，交給隨機性
• 招聘我非常篤信Blink，五分鐘如果候選人不能打動我，我肯定不會做出Hire的決策。
• 有意識把常識中很重要的特徵丟掉：比如學校，這個候選人如果不是這個學校畢業的，你還會招募他嗎？
• 經常性懸置判斷。灰度認知，不要輕易站邊
• 不要等分析結果再決策，事實上有些事情就是應該快速決策，你的大腦有無數祖先沉澱的經驗。但是要迭代自己的大腦
• 後半句，我覺得世君經常強調【開放】，Dalio也非常強調。我想他們都是從中獲得了很多好處。再奇怪的觀點，我都願意聽一聽，甚至是【相信世上有鬼神】，【相信星座】，最近我都聽得很入迷

推薦閱讀：